Onderzoeksartikel

Voorstel voor de adoptie van publieke IT met theoretische basis en empirische bevindingen

0 weergaven

⸱

DOI:

10.3791/73614

⸱

15 september 2026

 ,  , 
1Seoul AI School, Seoul School of Integrated Sciences and Technologies (aSSIST University), 2School of Business, Sungkyunkwan University, 3Department of Management Information Systems, Dong-A University

In dit artikel

Samenvatting

Deze studie stelt het publieke IT-adoptiemodel voor, een op prospect-theorie gebaseerd perceptie-intentiekader dat uitlegt hoe waargenomen winst en verlies de acceptatie of afwijzing van publieke IT-diensten, zoals luchthavenbiometrie, door gebruikers beïnvloeden. Twee enquêtes, waaronder één multinationale enquête, en interventies door experts hebben het model gevalideerd, wat de prospect-theorie over verschillende landen en contexten heen ondersteunt.

Samenvatting

Dit onderzoek stelt een theoretisch model voor de adoptie van publieke IT (PITA). Publieke informatietechnologische (IT) diensten verwijzen naar IT-gebaseerde diensten die publieke instellingen aan alle burgers aanbieden, zoals e-governmentportalen, publieke gezondheidsapplicaties en biometrische systemen op luchthavens. Vanwege de unieke aard van publieke IT worden eerder ontwikkelde modellen, die zich primair richtten op individueel- en bedrijfsniveau, als onvoldoende beschouwd om de kritische massa van publieke IT-adoptie te identificeren. Om dit gat te vullen, is een perceptie-intentiekader gebaseerd op de prospecttheorie voorgesteld om de waargenomen verliezen en winsten van gebruikers bij de adoptie van een nieuwe publieke IT-dienst te onderzoeken, waarbij wordt gesuggereerd dat deze percepties de voorafgaande factoren zijn voor het afwijzen of accepteren van een nieuwe publieke IT-dienst. Er zijn twee studies uitgevoerd, waaronder één met enquêtesteekproeven uit drie landen (Zuid-Korea, het Verenigd Koninkrijk en de Verenigde Staten). Vijf industrie-experts werden via een interventiegebaseerde onderzoeksbenadering uitgenodigd om het model kwalitatief te verfijnen en te valideren, zodat het binnen een praktisch scenario gebruikt kon worden. De resultaten toonden aan dat de totale waarde van acceptatie — dat wil zeggen de geaggregeerde waargenomen waarde die vereist is voor gebruikers om de dienst te accepteren, berekend als de som van de relevante padcoëfficiënten — consistent groter was dan die van afwijzing. Een vergelijkbare bevinding werd gezien voor de waargenomen winst, die een sterkere voorspeller was voor zowel acceptatie als afwijzing dan het waargenomen verlies. Hoewel de bevindingen steunen op cross-sectionele, zelfgerapporteerde gegevens, bieden ze sterke ondersteuning voor de prospecttheorie en dragen ze bij aan een verdere understanding van de fundamentele rol van deze theorie bij de adoptie van publieke IT. Door de prospecttheorie uit te breiden naar de context van IT in de publieke sector, biedt PITA onderzoekers een gevalideerde theoretische basis en praktijkmensen een praktisch instrument voor het diagnosticeren van de adoptie van publieke IT-diensten.

Inleiding

Informatie technologie (IT) is in de afgelopen decennia geëvolueerd tot een dominant en alomtegenwoordig instrument voor het nastreven van innovatie en heeft het dagelijks leven aanzienlijk veranderd. Sinds de introductie van IT-adoptiemodellen op basis van psychologische perspectieven1,2,3,4, is de relatie tussen gebruikers en IT grondig onderzocht op zowel individueel als bedrijfsniveau5.

Ondertussen hebben veel publieke organisaties moeite gehad om operationele efficiëntie te bereiken onder overweldigende maatschappelijke eisen, zoals congestie op luchthavens, wat de effectiviteit en kwaliteit van publieke diensten schaadt. Het uitbreiden van fysieke infrastructuren kan onmiddellijke voordelen bieden, maar vereist aanzienlijke investeringen in tijd en geld6. In tegenstelling hiermee hebben innovatieve aanbieders van publieke diensten dit probleem aangepakt via IT-gestuurde innovatie7, waarbij innovaties worden geïntegreerd met huidige infrastructuren om de servicekwaliteit en operationele efficiëntie te waarborgen8,9,10,1. Publieke organisaties maken nu gebruik van nieuwe IT (bijv. clouddiensten, cybersecurity en biometrie) om kernactiva te revitaliseren, wat leidt tot aanvullende adoptie-uitdagingen12. Dit probleem kan voortkomen uit een ontoereikend begrip van de werkelijke gebruikers: voorafgaand onderzoek heeft zich voornamelijk gericht op factoren die acceptatie stimuleren, terwijl afwijzing werd verwaarloosd. Zonder actieve betrokkenheid van gebruikers leiden IT-implementaties in publieke instellingen mogelijk niet tot praktische adoptie.

De adoptie van IT in de publieke sector brengt echter unieke uitdagingen met zich mee die verschillen van contexten in de private sector. Hoewel "acceptatie" en "afwijzing" schijnbaar tegenstrijdig zijn als twee verschillende status quo's13, kan het bevorderen van de ene de andere remmen, waardoor beide zijden van het tegenwerkende effect in overweging moeten worden genomen. Eerdere studies naar innovatie van publieke IT-diensten neigden ernaar de nadruk te leggen op positieve resultaten10,1,14,15,16. Dit artikel onderzocht daarom "acceptatie" en "afwijzing" gezamenlijk, door psychologisch gebaseerde IS-modellen (zoals diffusie van innovatie en innovatieweerstand) te combineren met gedragseconomie (zoals de prospecttheorie).

De casus van biometrie op luchthavens, waarbij biometrische identificatie documentgebaseerde procedures vervangt, is gekozen omdat deze publieke IT-dienst aan alle burgers wordt aangeboden, gevoelige persoonlijke informatie bevat en gebruikers confronteert met een duidelijke acceptatie- of afwijzingsbeslissing. De studie werd geleid door twee onderzoeksvragen. RQ1: Hoe beïnvloeden waargenomen winst en verlies de acceptatie en afwijzing van een publieke IT-dienst door gebruikers? RQ2: Is de totale waarde die vereist is voor acceptatie groter dan die voor afwijzing, zoals de prospect-theorie voorspelt? Hiertoe is een nieuw theoretisch kader voorgesteld en gevalideerd door industrie-experts via de IBR-strategie (intervention-based research)17 (Figuur 1). Deze studie integreert hiermee de prospect-theorie met IS-adoptiemodellen en biedt praktische inzichten voor beheerders van publieke IT.

figure-introduction-1
Figuur 1: Het onderzoeksproces van theoretische modelformulering en -ontwikkeling. Het diagram illustreert de algemene onderzoeksstroom, van de theoretische modelformulering op basis van eerdere adoptiemodellen en prospect theory, via Studie 1 en Studie 2, telkens gevolgd door een interventie van experts, tot de voltooiing van het PITA-model. Klik hier om een grotere versie van deze figuur te bekijken.

De adoptie van IT is uitgebreid bestudeerd: het technology acceptance model (TAM)2 en de unified theory of acceptance and use of technology (UTAUT)4 op individueel niveau, en de diffusion of innovation (DOI)1 en het technology-organization-environment framework (TOE)3 op organisatieniveau, hebben geleid tot vervolgstudies over augmented reality en taalverwerving18,19, chatbots en digitale betalingen20,21, mobiliteitsdiensten22,23 en werken op afstand24. Deze modellen kennen echter aanzienlijke beperkingen voor publieke IT: TAM gaat uit van vrijwillig gebruik, DOI negeert gebruikersweerstand en UTAUT is primair ontwikkeld voor organisatorische omgevingen, waardoor hun toepasbaarheid op quasi-verplichte publieke IT-diensten discutabel blijft. Er bestaan ook studies naar de adoptie van publieke IT die op deze modellen zijn gebaseerd, zoals de uitbreiding van UTAUT om een online publiek systeem voor klachtenafhandeling te onderzoeken25 en de toepassing van TOE op informatie-systemen voor personeelsbeheer in de publieke sector14; vele verdere studies hanteerden soortgelijke benaderingen26,27,28,29,30,31,32,3,34,35.

De adoptie van IT op publiek niveau verschilt echter aanzienlijk van die op individueel- of bedrijfsniveau (zie Tabel 1): de adopterende entiteiten en de gebruikers zijn niet hetzelfde, en de intenties van gebruikers zijn niet evident vanwege psychologische inertie en de status quo van huidige diensten. De disruptieve kenmerken van IT kunnen de herstructurering van bestaande systemen belemmeren36; adoptie vereist bovendien een verandering in de houding en het gedrag van gebruikers, wat een duidelijk begrip van de perspectieven van de gebruikers vereist. Gezien deze kenmerken zijn eerdere modellen die de nadruk leggen op het individuele niveau en het bedrijfsniveau mogelijk niet adequaat om de kritieke massa voor publieke IT-adoptie vast te stellen. Omdat IT-gestuurde service-innovatie essentieel is voor kostenreductie en serviceverbetering37,38 en uiteindelijk de maatschappij vooruithelpt39, is een gericht theoretisch kader voor publieke IT-adoptie cruciaal.

Op individueel niveauOp bedrijfsniveauOpenbaar niveau
Adoptie-entiteitIndividuenBedrijven (privé)Bedrijven (beursgenoteerd)
GebruikerIndividuenBedrijfsmedewerkersIndividuen
GebruikersintentieBepaaldeBepaalde (gedwongen)Onzeker
Psychologische inertieVerwaarloosbaarVerwaarloosbaar (geforceerd)Opvallend
WaardeperceptieOnmisbaarOnmisbaar (gedwongen)Onmisbaar
Belangrijkste adoptiedoeleindenPersoonlijkEfficiëntie, kostenbesparingAlgemeen belang
Relevante modellen voor de adoptie van ITTAM2, UTAUT4DOI1, TOE3Deze studie

Tabel 1: Verschillende niveaus van IT-adoptie. De tabel zet IT-adoptie op individueel, bedrijfs- en publiek niveau tegenover elkaar op basis van representatieve theoretische modellen, adopterende entiteiten en gebruikers.

De bestaande literatuur heeft aangetoond dat individuen en werknemers een a priori (op individueel niveau) of gedwongen (op bedrijfsniveau) intentie hebben om een specifieke IT-dienst te gebruiken2,40, wat impliceert dat de adoptie vooraf was bepaald4,41. Echter, niet alle gebruikers zijn voornemens IT te gebruiken42, en slechts enkele IS-studies hebben de kenmerken en rechtvaardigingen voor afwijzing geïdentificeerd43,4. Bijgevolg zou een nieuwe publieke IT-dienst doelbewust worden afgewezen totdat de innovatie ofwel wordt geaccepteerd of faalt45.

Het begrijpen van de acceptatie en afwijzing door gebruikers van de IT-dienst van een publieke instelling is het hoofddoel van deze studie, onderzocht via twee waardepercepties: waargenomen winst en waargenomen verlies. Waargenomen winst is aangepast op basis van het diffusie-van-innovatie-model1,46; deze constructen zijn uitgebreid gebruikt om percepties te onderzoeken die IT-acceptatie bevorderen47,48 en vertonen een hoge validiteit over verschillende contexten40. Daarentegen omvat waargenomen verlies de kenmerken die verklaren waarom mensen hun huidige levenswijze behouden ondanks de druk om zich aan te passen; gebaseerd op innovatieweerstand42,49, onderzoekt deze onderzoekslijn waarom sommige mensen de adoptie van een innovatie uitstellen of deze volledig afwijzen49,50,51,52,53. Een multidimensionale benadering legde deze percepties vast, in plaats van verlies en winst te behandelen als algemene constructen.

Waargenomen verlies werd geoperationaliseerd via vijf constructen53,54. Tijdsverlies (TIL) is de waargenomen tijd die verloren gaat bij het leren en gebruiken van de dienst, en wanneer verwachtingen niet worden vervuld53. Sociaal verlies (SOL) is het risico om de eigen status binnen een sociale groep te verliezen door dwaas of niet meer actueel over te komen54. Financieel verlies (FIL) omvat potentiële monetaire verliezen door aankoopkosten, vergoedingen of diefstal van persoonlijke informatie54. Fysiek verlies (PHL) is de perceptie dat gebruik kan leiden tot schade, ongemak of uitputting53,54. Prestatieverlies (PEL) is de waargenomen afname in dienstkwaliteit of functionaliteit vergeleken met bestaande alternatieven, inclusief storingen en het uitblijven van de gewenste voordelen53.

Om de waargenomen winst (PG) te verklaren, werden relatief voordeel, compatibiliteit, uitprobeerbaarheid en complexiteit gebruikt1,46. Relatief voordeel (REA) is de mate waarin een innovatie als voordeliger wordt beschouwd dan zijn voorganger; compatibiliteit (COM) is de mate waarin deze aansluit bij de waarden, behoeften en eerdere ervaringen van een potentiële gebruiker; uitprobeerbaarheid (TRI) is de mate van mogelijke experimenten voorafgaand aan de adoptie; en complexiteit (CPX), wat gerelateerd is aan het waargenomen gebruiksgemak van het TAM, verwijst naar hoe moeilijk de innovatie is om te gebruiken en te begrijpen. Waarneembaarheid werd uitgesloten omdat dit te ambigu is om te meten46 en omdat biometrische resultaten in de publieke IT-context niet gemakkelijk door anderen waarneembaar zijn.

Het verlies-winstkader werd voorgesteld om de waargenomen waarden te verklaren die reacties op een nieuwe publieke IT-dienst motiveren. Er werd gehypothetiseerd dat indien de dienst radicaal is en het gebruikelijke gedrag bedreigt, het waargenomen verlies zwaarder weegt dan de waargenomen winst, wat leidt tot afwijzing; als dit aanhoudt, kan afwijzing een constant aspect van de gedragsintentie worden42,49. Omgekeerd heeft de gebruiker weinig redenen om de dienst af te wijzen als de waargenomen voordelen zwaarder wegen dan de verwachte verliezen. Daarom werden de volgende hypothesen opgesteld:

H1. Waargenomen verlies zal een positieve invloed hebben op afwijzing.
H2. Waargenomen verlies zal een negatieve invloed hebben op acceptatie.
H3. Waargenomen winst zal een negatieve invloed hebben op afwijzing.
H4. Waargenomen winst zal een positieve invloed hebben op acceptatie.

Elke IT-gestuurde vooruitgang in overheidsdiensten is bedoeld om de samenleving vooruit te helpen (bijv. sneller en veiliger boarden via luchthavenbiometrie), maar een onlangs gelanceerde publieke IT-dienst is doordrenkt van risico en onzekerheid, waardoor gebruikers de voordelen mogelijk niet accepteren zoals bedoeld. Volgens de prospecttheorie5 nemen mensen dergelijke irrationele beslissingen op basis van evaluaties van alternatieven, waarden en attitudes ten aanzien van onzekerheid, beoordeeld ten opzichte van een referentiepunt (referentieafhankelijkheid). Het belangrijkste inzicht van de theorie is verliesaversie, de neiging waarbij verliezen zwaarder wegen dan gelijkwaardige winsten, samen met afnemende gevoeligheid; deze focus op winsten en verliezen ten opzichte van de status quo sluit direct aan bij de acceptatie-afwijzingsdichotomie die hier wordt onderzocht. Prospecttheorie is in recente IS- en IT-studies gebruikt om irrationele beslissingen onder risico en onzekerheid te verklaren56,57,58,59,60, variërend van contexten zoals door AI ondersteund werk en digitale gezondheidszorg tot openbare wifi en mobiele betalingen. Hoewel deze studies de relevantie van de theorie bevestigen, richtten ze zich primair op acceptatie-intenties en verwaarloosden ze de afwijzingsdimensie die centraal staat in de publieke IT-context.

Gebruikers van openbare IT-diensten handelen alsof zij besluiten de dienst te accepteren of te weigeren op basis van de totale vereiste waarden (d.w.z. de som van de waargenomen winst en het verlies). Geen enkele eerdere studie naar de adoptie van openbare IT heeft dit fenomeen vanuit dit perspectief onderzocht. Bijgevolg werden padcoëfficiënten (d.w.z. PL naar REJ) gecodeerd als waarden5, en de totale waarden die vereist waren voor weigering en acceptatie werden als volgt berekend:

V(R) = CLR + CGR      (1)
V(A) = CLA + CGA       (2)

waarbij CLR, CGR, CLA en CGA respectievelijk de padcoëfficiënten zijn van waargenomen verlies naar afwijzing, waargenomen winst naar afwijzing, waargenomen verlies naar acceptatie en waargenomen winst naar acceptatie; deze gestandaardiseerde coëfficiënten leveren V(R) en V(A) op als samengestelde waarden van de totale invloed van verlies en winst. Omdat publieke IT-diensten zijn ontworpen om gebruikers ten goede te komen, terwijl gebruikers verliezen zwaarder laten wegen dan winsten bij het verlaten van de status quo, werd verwacht dat acceptatie, de risicovollere keuze, een grotere totale waarde zou vereisen dan afwijzing. Voortbouwend op H1–H4 test H5 het nettosaldo van deze effecten:

H5. De totale waarde die vereist is voor acceptatie, V(A), zal groter zijn dan voor afwijzing, V(R). Het resulterende conceptuele PITA (public information technology adoption) model wordt weergegeven in Figuur 2.

figure-introduction-2
Figuur 2: Conceptueel PITA-model. Het diagram toont waargenomen verlies (PL) en waargenomen winst (PG) als antecedenten van afwijzing (REJ) en acceptatie (ACC); de paden a, b, c en d komen overeen met de coëfficiënten die worden gebruikt om de totale waarden V(R) en V(A) te berekenen. Opmerking: a = CLR, b = CLA, c = CGR en d = CGA  Klik hier om een grotere versie van deze figuur te bekijken.

Protocol

Alle studieprocedures waren in overeenstemming met de ethische principes die van toepassing zijn op onderzoek met menselijke deelnemers aan aSSIST University, Sungkyunkwan University en Dong-A University. Omdat de enquêteantwoorden op het moment van verzameling werden geanonimiseerd en er geen persoonlijk identificeerbare informatie werd verzameld, heeft de Institutional Review Board van aSSIST University de studie geclassificeerd als vrijgesteld van een volledige ethische toetsing. De deelnemende instellingen hebben geen afzonderlijke IRB-goedkeuringen verkregen, aangezien zij vertrouwden op de vrijstellingsbeslissing van de Institutional Review Board van aSSIST University, die zowel het onderzoeksontwerp als de gegevensverzamelingsprocedures omvatte. Deze beslissing is genomen in overeenstemming met Artikel 15 van de Bioethics and Safety Act van de Republiek Korea en de vrijstellingscriteria zoals gespecificeerd in Artikel 13 van de bijbehorende uitvoeringsregeling (https://public.irb.or.kr/pt/pt01/PT0103/PT0103R01.do). Voordat zij toegang kregen tot de Qualtrics-vragenlijst, kregen alle deelnemers een elektronische verklaring van geïnformeerde toestemming te zien waarin het academische doel van het onderzoek, de anonieme verwerking van de antwoorden, het gebruik van de gegevens uitsluitend voor onderzoeksdoeleinden en de afwezigheid van redelijkerwijs voorzienbare risico's werden uitgelegd. Alleen deelnemers die expliciet toestemming gaven, mochten doorgaan met de enquête.

Overzicht van de studies
Er werden twee empirische studies en twee expertinterventies uitgevoerd om de vijf hypothesen en het voorgestelde PITA-model te testen. De resultaten worden weergegeven in Figuur 3. Er werden surveys in twee golven uitgevoerd vóór COVID-19 (2019 Q4) en tijdens COVID-19 (2020 Q2-Q3) om constructen op verschillende tijdstippen afzonderlijk te meten, de kans op common method bias (CMB) in de data te verkleinen en de generaliseerbaarheid van de studie te vergroten61,62.

figure-protocol-1
Figuur 3: Overzicht van de studies. De tijdlijn vat het ontwerp met twee golven samen: Studie 1 (2019 kwartaal 4, vóór COVID-19, Koreaanse steekproef, N = 32) gevolgd door de eerste deskundigeninterventie, en Studie 2 (2020 kwartaal 2-3, tijdens COVID-19, Koreaanse/Britse/Amerikaanse steekproeven, N = 602) gevolgd door de tweede deskundigeninterventie. Klik hier om een grotere versie van deze figuur te bekijken.

Model Studie 1
Het initiële onderzoeksmodel werd ontwikkeld op basis van de geformuleerde hypothesen om de intenties van gebruikers om een recent geïntroduceerde publieke IT-dienst (bijv. biometrie op luchthavens) te accepteren of te weigeren te onthullen, zoals weergegeven in Figuur 4. De meningen van gebruikers over publieke IT-diensten werden weerspiegeld in twee tweedelingconstructen: waargenomen verlies (PL) en waargenomen winst (PG), die elk zijn gevormd door hun respectievelijke eerstelingsconstructen. Deze twee tweedelingconstructen dienen als de antecedenten van weigering (REJ) en acceptatie (ACC), welke de intenties van gebruikers vertegenwoordigen om publieke IT-diensten te gebruiken.

figure-protocol-2
Figuur 4: Onderzoeksmodel Studie 1. Vijf eerstelingsverliesconstructen (PEL, TIL, SOL, PHL en FIL) vormen het tweedelingsconstruct waargenomen verlies, en vier eerstelingswinstconstructen (REA, COM, TRI en CPX) vormen waargenomen winst; de twee tweedelingsconstructen zijn gemodelleerd als antecedenten van afwijzing en acceptatie (H1–H4). Klik hier om een grotere versie van deze figuur te bekijken.

Onderzoeksgegevens Studie 1
De eerste gegevenssteekproef, gebaseerd op een totaal van 32 Koreaanse deelnemers (vrouw: 46,6% en man: 53,4%) die minstens één keer in het afgelopen jaar ervaring hadden met het bestijgen van een vliegtuig, werd verzameld van 13 november tot 18 november 2019 (vóór het begin van de COVID-19-pandemie). Definities en voorbeelden van publieke IT-diensten (zoals biometrische toepassingen op luchthavens) werden gegeven in de inleiding van de enquête. De ruwe gegevens voor Studie 1 zijn opgenomen in Aanvullend Bestand 1. De vluchtfrequentie werd gemeten in vijf wederzijds uitsluitende categorieën (FF1–FF5), overeenkomend met één, twee, drie, vier en vijf of meer vluchten in het afgelopen jaar (Studie 1: respectievelijk 138, 91, 34, 21 en 38 deelnemers; Studie 2: respectievelijk 174, 153, 109, 82 en 84 deelnemers).

De predictor-constructen werden geëvalueerd met behulp van een zevenpunts Likert-schaal die varieerde van "zeer oneens (1)" tot "zeer eens (7)" (zie Aanvullend Bestand 21,46,53,54,63,64 voor de vragenlijst van de studie). Na een pilottest met 20 deelnemers waren de herzieningen beperkt tot verfijningen op het niveau van de bewoording van de vragenitems om hun stabiliteit, toepasbaarheid en interpreteerbaarheid te verbeteren; er werden geen constructen of items toegevoegd of verwijderd na de pilottest. Het ondersteunende document bevat de volledige vragenlijst alsmede relevante statistieken en de theoretische context. Er werden analyses uitgevoerd met behulp van confirmatieve factoranalyse (CFA) en covariantie-gebaseerde structurele vergelijkingsmodellen (CB-SEM).

Interventie van experts voor Studie 1
Vijf experts met ten minste tien jaar ervaring werden uitgenodigd om de objectiviteit te waarborgen en de kwaliteit van dit werk te verbeteren, waaronder twee van internationale organisaties (Airports Council International en International Air Transport Association), twee van overheidsorganisaties (Singapore Changi Airport en Korea Airports Corporation) en één van een privaat bedrijf dat diensten aanbiedt in een publieke setting (Korean Air). Deze interventie door experts was essentieel voor het verkrijgen van feedback om het model en de domeinkennis van de doelsetting te verbeteren. Er werden zowel kwalitatieve (d.w.z. subjectieve feedback) als kwantitatieve (zevenpunts Likert-schaal) evaluaties uitgevoerd. Voor de kwantitatieve beoordeling werd een herziene versie van de items uit de vragenlijst over kenmerken van het besluitvormingsrapport (zie Aanvullend Bestand 3)65 gebruikt en gevalideerd met de intraclass correlatiecoëfficiënt6. In elke interventieronde vulde elke expert de kwantitatieve vragenlijst individueel in en gaf vervolgens open kwalitatieve feedback; hetzelfde panel, dezelfde instrumenten en dezelfde procedure werden in beide interventies gebruikt om replicatie mogelijk te maken.

Studie 2
Om de in Studie 1 vastgestelde problemen aan te pakken en de generaliseerbaarheid van het model te verbeteren, is in Studie 2 hetzelfde model als in Studie 1 toegepast. Studie 2 omvatte 602 deelnemers (vrouw: 42,3%, man: 57,7%, Korea: 20, VK: 201 en VS: 201). De gegevens werden verzameld tussen 23 juli en 19 augustus 2020 (tijdens de COVID-19-pandemie). De ruwe gegevens voor Studie 2 zijn opgenomen in Aanvullend Bestand 4. Met 33 geobserveerde indicatoren biedt deze steekproefomvang ongeveer 18 observaties per indicator, wat het algemeen aanbevolen criterium van 10 observaties per indicator voor CB-SEM overschrijdt, en overtreft tevens de veelgebruikte minimale drempel van 200 observaties. Korea, het VK en de VS zijn gekozen omdat zij verantwoordelijk waren voor 29,1% van alle luchtreizigers wereldwijd (ongeveer 1,6 miljard van de 5,5 miljard) van juli 2019 tot juni 2020. De COVID-19-pandemie trof deze landen op verschillende tijdstippen, beginnend in Korea en later de VS en het VK beïnvloedend. Bovendien boden de drie landen een mengeling van oostelijke en westerse culturele tradities. Bijgevolg werd de gecombineerde dataset van deze landen gebruikt om het perceptie-intentie-raamwerk van gebruikers voor de nieuwe publieke IT-dienst (d.w.z. luchthavenbiometrie) te onderzoeken.

Interventie van experts voor Studie 2
Dezelfde experts werden uitgenodigd, dezelfde kwantitatieve en kwalitatieve evaluaties werden uitgevoerd en hun feedback werd opgevraagd om de bevindingen in Studie 2 te valideren.

Resultaten

Studie 1
Om mogelijke CMB gerelateerd aan zelfgerapporteerde gegevens te beoordelen, werd eerst een een-factor-analyse uitgevoerd67. Volgens de testresultaten verklaarde één factor 36,56% van de variantie; één factor die minder dan 50% van de variantie verklaart, duidt erop dat CMB geen probleem is62,67,68. Vervolgens werd de constructvaliditeit en betrouwbaarheid beoordeeld. De bevindingen in Tabel 2 toonden aan dat de gemiddelde verklaarde variantie (AVE, 0,585 tot 0,836) en de samengestelde betrouwbaarheid (CR, 0,872 tot 0,939) voldeden aan de vereiste minimumeisen69,70. Daarnaast was de vierkantswortel van de AVE voor elke construct, weergegeven op de diagonaal, groter dan de correlaties met de andere constructs, wat de discriminante validiteit ondersteunt69.

CRAVEMSVMaxR(H)PLPGACCREJ
PL0,8720,5850,3070,9020,765
PG0,9020,7050,5990,97-0,380,839
ACC0,9270,8090,5960,9410,554-0,670,9
REJ0,9390,8360,5990,941-0,430,774-0,770,914

Tabel 2: Betrouwbaarheid en validiteit van de constructen (Studie 1). In de tabel worden de samengestelde betrouwbaarheid (CR), de gemiddelde geëxtraheerde variantie (AVE) en de inter-construct correlaties weergegeven voor het meetmodel van Studie 1.

Vervolgens werden de hypothesen getoetst met behulp van SEM onder waargenomen winst, waargenomen verlies, acceptatie en afwijzing. Zoals geïllustreerd in Figuur 5, toonde het model acceptabele fit-indices (CMIN/DF = 2.25, CFI = 0,936, SRMR = 0,075, RMSEA = 0,062), allemaal voldoende aan de aanbevolen drempelwaarden (CMIN/DF < 3, CFI > 0,90, SRMR < 0,08, RMSEA < 0,08), en de resultaten ondersteunen de ontwikkelde hypothesen sterk. De vijf drijfvermogensconstructen (PER, TIR, SOR, PHR en FIR) voor waargenomen verlies en de vier drijfvermogensconstructen (REA, COM, TRI en CPX) voor waargenomen winst (PG) lieten allemaal aanzienlijke effecten zien. De toetsing van hypothesen 1 en 2 toonde aan dat waargenomen verlies een matig positieve invloed had op afwijzing (β = 0,357, p < 0,001) en een significant negatief effect op acceptatie (β = -0,148, p < 0,001). Beide H1 en H2 worden dus bevestigd. Aan de andere kant toonden de toetsen van hypothesen 3 en 4 dat waargenomen winst tegengestelde effecten had vergeleken met waargenomen verlies: een sterk positief effect op acceptatie (β = 0,721, p < 0,001) en een negatief effect op afwijzing (β = -0,507, p < 0,001). Daarom worden ook H3 en H4 bevestigd. De algehele samenvatting van de resultaten van de toetsing van het onderzoeksmodel van Studie 1 met SEM is weergegeven in Tabel 3. Het structurele model verklaarde 62,4% van de variantie in acceptatie en 52,5% in afwijzing (R2 = 0,624 en 0,525, respectievelijk).

figure-results-1
Figuur 5: Hypothesetoetsresultaten van Studie 1. Het diagram rapporteert de gestandaardiseerde padcoëfficiënten en hun significantieniveaus voor het structurele model dat is geschat op de steekproef van Studie 1 (N = 322); alle geformuleerde paden waren significant in de verwachte richtingen. PEL = prestatieverlies; TIL = tijdsverlies; SOL = sociaal verlies; PHL = fysiek verlies; FIL = financieel verlies; REA = relatief voordeel; COM = compatibiliteit; TRI = beproefbaarheid; CPX = complexiteit; PL = waargenomen verlies; PG = waargenomen winst; REJ = afwijzing; ACC = acceptatie Klik hier om een grotere versie van dit figuur te bekijken.

HypothesePadβt-waardep-waardeResultaat
H1a: PL → REJ0.3576.592***Ondersteund
H2b: PL → ACC-0.148-3.059***Ondersteund
H3c: PG → REJ-0.507-7.29***Ondersteund
H4d: PG → ACC0.7218.966***Ondersteund

Tabel 3: Algemene resultaten van Studie 1. De tabel vat de gestandaardiseerde padcoëfficiënten, significantieniveaus en hypothesetoetsresultaten van Studie 1 samen. ***p < 0,001

Verder werden de totale waarden die nodig zijn voor REJ en ACC berekend om H5 te toetsen en te bevestigen of het model consistent is met de prospecttheorie55. In vergelijkingen (1) en (2) komt a overeen met het pad van waargenomen verlies naar afwijzing (CLR = 0,357), c met het pad van waargenomen winst naar afwijzing (CGR = -0,507), b met het pad van waargenomen verlies naar acceptatie (CLA = -0,148), en d met het pad van waargenomen winst naar acceptatie (CGA = 0,721). De resultaten wezen uit dat V(R) = a + c = -0,150 en V(A) = b + d = 0,573; derhalve is V(R) < V(A), en werd H5 bevestigd.

Resultaten van deskundigeninterventie voor Studie 1
De bevindingen toonden aan dat de deskundigen het niet volledig eens waren met de beweringen; gemiddelde waarden varieerden van 3,40 tot 4,40 voor de constructen die systematische oriëntatie, kwaliteit en voldoende probleemstelling meten. De construct voor algemene negatieve affectieve toestand toonde eveneens een bereik van 3,20 tot 3,60 (ICC = 0,609, p = 0,008). De subjectieve beoordelingen van de deskundigen identificeerden twee aanvullende verbeterpunten: de dataset was niet representatief voor de situatiefactor (de gegevens werden verzameld vóór de uitbraak van COVID-19) en een uitsluitend Koreaanse steekproef zou onvoldoende zijn voor veralgemening. Deze resultaten vormden de basis voor Studie 2, die werd uitgevoerd na de interventies van de deskundigen om deze problemen aan te pakken.

Studie 2
Er werd een procedure gevolgd die parallel liep aan die van Studie 1. Eerst werd een een-factoranalyse uitgevoerd om te beoordelen of gemeenschappelijke methodebias (CMB) een probleem was in de dataset67. De testresultaten wezen uit dat er geen substantieel effect van CMB was in de steekproef, aangezien één enkele factor 38,97% van de variantie verklaarde, onder de drempelwaarde van 50%62,67,68. Naast CMB suggereerden de resultaten in Tabel 4 dat de betrouwbaarheid en validiteit van het model ook voldoende aan de eisen voldeed69,70. Daarnaast lagen alle heterotrait-monotrait (HTMT)-verhoudingen onder de drempelwaarde van 0,85, wat extra ondersteuning biedt voor de discriminerende validiteit.

CRAVEMSVMaxR(H)PLPGACCREJ
PL0.8610.560.3640.8850.748
PG0.9020.7050.6670.947-0.4220.84
ACC0.960.8890.6670.961-0.5080.8160.943
REJ0.9420.8440.6590.9570.603-0.745-0.8120.919

Tabel 4: Betrouwbaarheid en validiteit van de constructen (Studie 2). In de tabel worden de samengestelde betrouwbaarheid (CR), de gemiddelde geëxtraheerde variantie (AVE) en de inter-construct correlaties weergegeven voor het meetmodel van Studie 2.

De SEM-testresultaten van Studie 2 met alle drie de landen waren CMIN/DF = 3,835, CFI = 0,945, RMSEA = 0,058. De CFI en RMSEA voldeden aan de aanbevolen drempelwaarden, en hoewel de CMIN/DF-waarde van 3,835 niet voldoet aan het strengere criterium van <3,0, duidde deze toch op een aanvaardbare modelaanpassing op basis van het minder strenge criterium van <5,0. Daarom waren de testresultaten sterk consistent met de ontwikkelde argumenten en met de resultaten van Studie 1, zoals weergegeven in Figuur 6 en Tabel 5. Net als de resultaten in Studie 1 waren de relaties tussen PL en REJ (β = 0,345, p < 0,001) en PG en ACC (β = 0,767, p < 0,001) significant positief, terwijl de relaties tussen PL en ACC (β = -0,202, p < 0,001) en PG en REJ (β = -0,644, p < 0,001) significant negatief waren. Aldus werden H1, H2, H3 en H4 allemaal bevestigd. Het structurele model verklaarde 76,0% van de variantie in acceptatie en 72,1% in afwijzing (R2 = 0,760 en 0,721, respectievelijk).

figure-results-2
Figuur 6: Resultaten van de hypothesetoets van Studie 2. Het diagram toont de gestandaardiseerde padcoëfficiënten en hun significantieniveaus voor het structurele model dat is geschat op basis van de gecombineerde steekproef van drie landen van Studie 2 (N = 602); het patroon van resultaten repliceert Studie 1. PEL = prestatieverlies; TIL = tijdsverlies; SOL = sociaal verlies; PHL = fysiek verlies; FIL = financieel verlies; REA = relatief voordeel; COM = compatibiliteit; TRI = uitvoerbaarheid van proef; CPX = complexiteit; PL = waargenomen verlies; PG = waargenomen winst; REJ = afwijzing; ACC = acceptatie Klik hier om een grotere versie van dit figuur te bekijken.

HypothesePadβt-waardep-waardeResultaat
H1a: PL → REJ0.3459.342***Ondersteund
H2b: PL → ACC-0.202-6.81***Ondersteund
H3c: PG → REJ-0.644-12.694***Ondersteund
H4d: PG → ACC0.76713.707***Ondersteund

Tabel 5: Algemene resultaten van Studie 2. De tabel vat de gestandaardiseerde padcoëfficiënten, significantieniveaus en resultaten van hypothesetoetsing voor Studie 2 samen. ***p < 0,001

Vervolgens werden de totale waarden die nodig zijn voor REJ en ACC nader onderzocht om H5 te toetsen en te bevestigen of het model de argumentatie van de prospecttheorie ondersteunt55. Met dezelfde coëfficiënttoewijzing als in Studie 1 toonden de resultaten aan dat V(R) = a + c = -0,299 en V(A) = b + d = 0,565; bijgevolg is V(R) < V(A). H5 werd ook ondersteund in Studie 2, en het verschil tussen V(R) en V(A) in Studie 2 (0,864) was groter dan in Studie 1 (0,723).

Resultaten van de deskundigeninterventie voor Studie 2
De resultaten van de kwantitatieve beoordeling waren significant positief (ICC = 0,960, p < 0,001); het bereik van gemiddelde waarden voor de constructen die systematische oriëntatie, kwaliteit en adequaatheid van de probleemstelling meten, liep van 6,20 tot 6,80, en voor het construct dat algemene negatieve affectiviteit meet, liep het van 1,20 tot 1,80. De hoge intraclasscorrelatie duidt op een sterke consensus onder deskundigen over de systematische oriëntatie, kwaliteit en adequaatheid van de probleemstelling van het model, en de deskundigen brachten tijdens hun subjectieve beoordeling geen andere punten naar voren. Er werd daarom geconcludeerd dat het onderzoek uiteindelijk voldoet aan de vereisten om het voorgestelde PITA-model af te ronden.

GEGEVENSBESCHIKBAARHEID:
De gegevens zijn geüpload als Supplementary File 1 (Studie 1) en Supplementary File 4 (Studie 2); de volledige CB-SEM modeluitvoer wordt gegeven in Supplementary File 5, en de variabelendefinities en -codering zijn gedocumenteerd in het gegevenswoordenboek (Supplementary File 6). In de gegevensbestanden en CB-SEM-uitvoer komen de afkortingen uit het manuscript PEL, TIL, SOL, PHL, FIL en REJ overeen met de variabeletiketten PER, TIR, SOR, PHR, FIR en RES, respectievelijk, en de constructen van tweede orde PL en PG zijn gelabeld als Perceived_Risk en Perceived_Benefit.

Aanvullend bestand 1: Onderzoeksgegevens (Studie 1) Klik hier om dit bestand te downloaden.

Supplementair bestand 2: Vragenlijst Klik hier om dit bestand te downloaden.

Supplementair bestand 3: Vragenlijst interventie Klik hier om dit bestand te downloaden.

Supplementair bestand 4: Onderzoeksgegevens (Studie 2) Klik hier om dit bestand te downloaden.

Supplementair bestand 5: Uitvoerbestanden van CB-SEM-model Klik hier om dit bestand te downloaden.

Supplementair bestand 6: Gegevenswoordenboek Klik hier om dit bestand te downloaden.

Discussie

Dit onderzoek, bestaande uit twee studies, testte het PITA-model voor de adoptie van publieke IT; in beide studies werden alle vijf de hypothesen ondersteund, en de kloof tussen V(A) en V(R) werd groter in de risicovollere context van COVID-19, in lijn met de voorspelling van de prospecttheorie dat risicovollere keuzes een hogere waargenomen waarde vereisen. Er werd een hiaat vastgesteld in de theoretische fundamenten van de literatuur over IT-adoptie, waaronder TAM2 en DOI1, die er niet in slaagden de adoptie van publieke IT adequaat te verklaren. Belangrijker nog was dat deze studies onvoldoende rekening hielden met de onzekerheid van gebruikers bij het gebruik van publieke IT-diensten. Er werd daarom gevraagd welke impact het door PITA voorgestelde perceptie-intentie-raamwerk heeft op de beslissing om publieke IT-diensten te adopteren. Een gebruiker moet de voor- en nadelen van de status quo-optie afwegen wanneer er een nieuwe, innovatieve publieke IT-dienst wordt gepresenteerd. Als de nieuwe optie wordt afgewezen, keert de gebruiker terug naar de vorige staat, waardoor de nieuwe optie overbodig wordt. Het PITA-model maakt het mogelijk om de onderliggende waardepercepties te begrijpen die een dergelijke keuze beïnvloeden. Daarnaast leverde dit verschillende suggesties op om dergelijke mislukkingen te voorkomen voordat er wordt geïnvesteerd in een nieuwe publieke IT-dienst1,42. Deze studie onderzocht hoe waargenomen winsten en verliezen de acceptatie en afwijzing van een publieke IT-dienst beïnvloeden; alle vijf de hypothesen werden ondersteund. De percepties van gebruikers over publieke IT-diensten kunnen vanuit twee perspectieven worden bekeken, waarbij het aannemelijk is dat de negatieve percepties van gebruikers zullen overheersen. De bevindingen gaven echter aan dat hun gunstige percepties hen aanmoedigden om de dienst te accepteren en de weerstand te verminderen. Relevante illustraties van waargenomen verlies zijn onder meer inconsistente prestaties, onredelijk langdurige procedures, weerstand uit de omgeving van de gebruikers, fysieke schade veroorzaakt door apparaten en fouten bij financiële transacties. Daarnaast dienen uitwisselbare functies, open-beta testevenementen en gebruiksgemak als voorbeelden van componenten van waargenomen winst. De bevindingen van beide studies waren consistent met eerder onderzoek naar het innovatieweerstandsmodel en de diffusie van innovaties, bijvoorbeeld1,42.

Een belangrijke ontdekking was dat de totale waarde van acceptatie bijna vijf keer groter was dan die van afwijzing. Dit grote verschil tussen V(A) en V(R) werd primair gedreven door het sterke positieve effect van waargenomen winst op acceptatie (β = 0.721) en het negatieve effect van waargenomen winst op afwijzing (β = -0.507), wat suggereert dat de percepties van gebruikers over voordelen, zoals gebruiksgemak en uitwisselbare functies, een dominantere rol spelen bij het vormgeven van adoptiebeslissingen dan de percepties van verlies. Om de risicovollere beslissing te nemen om een nieuwe en onbekende publieke IT-dienst te accepteren, moeten positieve percepties aanzienlijk zwaarder wegen dan negatieve percepties. Gebruikers kunnen ook besluiten om nieuwe publieke IT-diensten af te wijzen ten koste van verliezen, omdat besluitvorming mogelijk niet volledig rationeel is. Dit fenomeen kan worden verklaard door de sterke hechting aan de huidige dienst en het feit dat publieke IT-diensten niet bedoeld zijn voor regulier dagelijks gebruik. Gebruikers kunnen hun huidige staat handhaven als zij enige ongemakken ervaren. Gebruikers zullen niet proberen hun psychologische weerstand tegen het accepteren van nieuwe publieke IT-diensten te overwinnen als de waargenomen winsten onvoldoende zijn of de waargenomen verliezen groter zijn dan verwacht. In Studie 2, waarin consistent dezelfde patronen in het perceptie-intentie-raamwerk van gebruikers binnen de context van een publieke IT-dienst werden aangetoond, werd een concretere en bredere bevestiging verkregen voor het voorgestelde theoretische model. Daarnaast was V(A) aanzienlijk hoger dan V(R), wat het pleidooi voor de uitbreiding van de prospecttheorie5 ondersteunt.

De impact van de situationele factor (COVID-19) op V(A) en V(R) was een andere intrigerende bevinding in Studie 2. Het gat tussen V(R) and V(A) in Studie 2 werd groter in vergelijking met dat in Studie 1. Tijdens een wereldwijde gezondheidscrisis kunnen gebruikers grotere potentiële verliezen door infectie hebben waargenomen, terwijl ze tegelijkertijd grotere potentiële voordelen van contactloze service erkenden, en dit dubbele effect versterkte het waardedifferentieel dat nodig was voor acceptatie. Deze bevinding ondersteunt de poging om de prospecttheorie verder te ontwikkelen door aan te geven dat de risicovollere optie (het accepteren van een nieuwe openbare IT-dienst in een risicovollere situatie, COVID-19) een grotere waarde vereist5. Onvermijdelijk ondersteunden de evaluatiebevindingen van Studie 2 opnieuw die van Studie 1. De situationele factor was een potentieel element dat de beslissingsgerelateerde waarden van gebruikers had kunnen veranderen, zoals de experts hadden voorspeld tijdens de eerste interventie. Daarnaast ondersteunden de resultaten de validiteit van de aannames van het model door grotere steekproeven te gebruiken voor de casus van biometrie op luchthavens, wat het model meer robuustheid en generaliseerbaarheid gaf. Desalniettemin ging de samengevoegde analyse over meerdere landen ervan uit dat de constructen in alle landen op een vergelijkbare manier werden geïnterpreteerd; formele toetsing van meetinvariantie en landspecifieke vergelijkingen zijn niet uitgevoerd en blijven een taak voor toekomstig onderzoek.

Volgens de analyse die is uitgevoerd met het perceptie-intentiekader zouden gebruikers niet voor de status quo-optie kiezen als zij geloofden dat zij een aanzienlijk groter voordeel zouden behalen door gebruik te maken van de publieke IT-dienst. Dit suggereert dat gebruikers alleen bereid zijn hun evenwicht te verlaten wanneer de waargenomen voordelen de risicovolle optie van acceptatie aantrekkelijker maken. Terugblikkend is het conceptueel logisch dat acceptatie sterker wordt beïnvloed door waargenomen voordelen dan door verliezen. Volgens de prospecttheorie5 is de huidige dienst die aan de gebruiker wordt aangeboden de veilige, "risicomijdende" optie, omdat het een bekende entiteit is waarmee gebruikers eerdere ervaring hebben. Dit betekent dat de gebruiker kan anticiperen op hetzelfde resultaat zonder risico, zonder gedragsomstandigheden aan te passen of te wijzigen. De risicovolle optie zal echter waarschijnlijk worden geselecteerd, afwijkend van de "risicomijdende" optie, zodra de waargenomen voordelen de waargenomen verliezen aanzienlijk overstijgen. Het is interessant om op te merken dat deze effecten sterker waren wanneer een gebruiker te maken kreeg met een risicovollere situatie, de COVID-19-pandemie, wat de behoefte aan waarde kan hebben vergroot indien zij het gebruik van de nieuwe publieke IT-dienst overwoogen. Er werd een consistente relatie ontdekt tussen waargenomen winst en verlies en de acceptatie of afwijzing van publieke IT-diensten. Volgens de gegevens is een dieper begrip nodig van hoe gebruikers potentiële voordelen waarnemen en hoe dat begrip beïnvloedt of zij ervoor kiezen om een publieke IT-dienst te gebruiken of niet. Het lijkt erop dat het accepteren van een nieuwe IT-dienst voor elke gebruiker aanzienlijk moeilijker is wanneer zij met een nieuwe optie worden geconfronteerd, omdat zij moeten vechten tegen eventuele psychologische inertie die kan bestaan. Dit werd ook aangetoond door het feit dat verbeteringen binnen het kader van perceptie en intentie significanter moesten zijn. Deze bevindingen sluiten aan bij het fundamentele idee van de prospecttheorie5: risicovollere beslissingen vereisen hogere waarden dan veiligere beslissingen. Opmerkelijk is dat het asymmetrische patroon, waarbij waargenomen winst acceptatie sterker voorspelde dan waargenomen verlies afwijzing voorspelde, suggereert dat besluitvorming in deze context niet louter risicomijdend is maar eerder gedreven wordt door winst, een nuance die de typische nadruk van de prospecttheorie op verliesaversie uitbreidt. Deze resultaten stemmen ook overeen met eerder onderzoek naar adoptie: het sterke effect van waargenomen winst op acceptatie is consistent met de nadruk van TAM op waargenomen nut2, terwijl het significante effect van waargenomen verlies op afwijzing de bewering van het innovatieweerstandsmodel ondersteunt dat barrières voor adoptie zwaarder kunnen wegen dan potentiële voordelen42,49. Deze studie breidt die literatuur uit door aan te tonen dat winsten en verliezen gelijktijdig zowel acceptatie als afwijzing beïnvloeden, in plaats van onafhankelijk van elkaar te opereren. De bevindingen dragen zodoende bij aan het theoretische begrip van wat gebruikers van publieke IT-diensten motiveert om de status quo te handhaven (d.w.z. afwijzing) of hun risicobereidheid te vergroten (d.w.z. acceptatie). Het groeiende corpus aan onderzoek naar de weerstand tegen IT-adoptie is door deze studie verder uitgebreid. Het werd aangetoond dat het afwijzen en accepteren van IT verschillende besluitvormingscriteria zijn, voortbouwend op eerder werk in de literatuur op individueel- en bedrijfsniveau45,50,51. Alle gebruikers hebben een drempelwaarde42,49; echter, geen enkele studie naar publieke IT-adoptie heeft onderzocht wat deze drempels zouden kunnen zijn. Daarom was de inclusie van waargenomen verlies een nuttige manier om deze tolerantie te onderzoeken en beïnvloedde dit significant zowel de keuze om de publieke IT te accepteren als om deze af te wijzen. Deze bevindingen vulden previous onderzoek aan dat hetzelfde acceptatie-en-afwijzingsprincipe toepast door dit uit te breiden naar een nieuwe context51.

De bevindingen hebben enkele belangrijke managementimplicaties voor publieke instellingen. Ten eerste is het bekend dat deze instellingen moeite hebben met verandering en dat de overstap naar een digitale infrastructuur lastig is. Daarom kunnen slechte beslissingen van publieke organisaties bij de overstap naar een IT-dienst langdurige negatieve effecten hebben. Gebruikers zijn waarschijnlijk niet bereid de voorgestelde IT-dienst te adopteren als zij het gevoel hebben dat het verlies te groot is. Daarentegen kunnen investeringen in de publieke IT-dienst succesvoller zijn als een manager van een publieke instelling de factoren die afwijzing verminderen via waargenomen voordelen helder formuleert. Door de waargenomen voordelen te verhogen en de waargenomen verliezen te verlagen, kunnen managers uiteindelijk de acceptatie verhogen en de afwijzing verminderen door PITA te gebruiken om oplossingen te vinden die een positieve reactie oproepen. Een openbare luchthaven die biometrische screening implementeert, zou PITA bijvoorbeeld kunnen gebruiken om de percepties van gebruikers vóór de investering te beoordelen: als V(R) V(A) benadert of overstijgt, kunnen managers de communicatie richten op tastbare voordelen zoals een snellere afhandeling (het verhogen van het waargenomen voordeel) of opt-out alternatieven aanbieden (het verminderen van het waargenomen verlies). Vanwege de eenvoud van het model kunnen V(A) en V(R) direct uit enquêtegegevens worden berekend, waardoor managers een duidelijk ijkpunt hebben om de gebruiksintenties van gebruikers te begrijpen en de status van en de kansen op adoptie van hun voorgestelde IT-dienst te bepalen.

Deze studie kent enkele belangrijke beperkingen. Ten eerste, hoewel de effecten in beide studies vergelijkbaar waren, is meer onderzoek nodig om de minder significante effecten die werden waargenomen in de metingen van waargenomen verlies volledig te begrijpen; de in deze studie meegenomen factoren verklaren mogelijk slechts gedeeltelijk de variantie die in het model is gevonden. Ten tweede maakten beide studies gebruik van cross-sectionele, zelfgerapporteerde enquêtegegevens van reizigers per vliegtuig; dit ontwerp sluit causale gevolgtrekkingen uit, kan selectie- en sociale wenselijkheid-biases introduceren en beperkt de generaliseerbaarheid buiten deze populatie. Formele toetsing van meetinvariantie tussen de drie landen moet nog worden uitgevoerd. Ten derde werden de gegevens verzameld in specifieke perioden (2019 Q4 en medio 2020), en gebruikerspercepties kunnen zijn verschoven naarmate de pandemie zich ontwikkelde. Ten vierde werd ervan uitgegaan dat een manager slechts één nieuwe potentiële optie zou overwegen, waarbij de huidige optie diende als nog een beperking. Toekomstig werk zou verschillende PITA-technologieopties moeten overwegen, omdat, volgens het zekerheidseffect, de aanwezigheid van meerdere opties met variërende graden van zekerheid risicovol gedrag aanmoedigt71 en dit een waardevolle richting kan zijn om te volgen. Toekomstig onderzoek zou ook andere vormen en drempels van innovatieweerstand moeten onderzoeken63, PITA moeten uitbreiden naar andere publieke IT-diensten (bijv. e-government-portalen en applicaties voor de volksgezondheid) en naar andere domeinen waarin waargenomen voordeel en risico gezamenlijk de adoptie vormgeven64, longitudinale ontwerpen moeten gebruiken om te volgen hoe V(A) en V(R) in de loop van de tijd evolueren, en moeten onderzoeken of culturele dimensies de relaties in het model modereren. Over het algemeen zou deze studie moeten bijdragen aan een beter begrip van de adoptie van publieke IT. Door zowel waargenomen winst als waargenomen verlies te integreren, vangt het PITA-model de dubbele aard van gebruikersbesluitvorming op: acceptatie wordt gedreven door de aantrekkingskracht van winst, terwijl afwijzing wordt gedreven door de angst voor verlies. Voordat er een investering wordt gedaan, kunnen managers in de juiste richting worden geleid door degelijke en accurate beslissingen te nemen tijdens de vroege fasen van het identificeren van potentiële IT-oplossingen. Managers zouden hun IT-dienststrategie moeten heroverwegen als de totale waarde van acceptatie onvoldoende is, omdat PITA managers een totaal geeft van de waarde die nodig is voor zowel acceptatie als afwijzing. De bevinding dat situationeel risico het waardedifferentieel dat vereist is voor acceptatie versterkt, vormt een nieuwe bijdrage aan zowel de prospecttheorie als de literatuur over technologie-adoptie. PITA zou managers daarom moeten helpen bij het vinden van een oplossing die een totale waarde van acceptatie biedt die groter is dan die van afwijzing: pas dan zijn gebruikers bereid om een nieuwe publieke IT-dienst te gebruiken.

Openbaarmakingen

De auteurs verklaren dat er geen belangenverstrengeling is. Tijdens de voorbereiding van dit herziene manuscript is een generatieve kunstmatige intelligentietool (ChatGPT 5o) gebruikt ter ondersteuning bij de taalredactie en opmaak. De auteurs hebben alle inhoud beoordeeld en geverifieerd en dragen de volledige verantwoordelijkheid voor het manuscript; er is geen AI-tool gebruikt om gegevens te genereren, analyses uit te voeren of figuren te maken.

Dankbetuigingen

Dit werk werd ondersteund door onderzoeksgelden van aSSIST University.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
IBM SPSS Amos (CB-SEM-software)IBM Corp. (Armonk, NY, USA)versie 27; https://www.ibm.com/products/structural-equation-modeling-sem/Gebruikt voor alle covariantiestructurele vergelijkingsmodelleringen (CB-SEM), inclusief de beoordeling van het meetmodel (CFA: samengestelde betrouwbaarheid, AVE en discriminante validiteit) en padanalyse van het structurele model. 
Prolific (online platform voor de werving van participanten)Prolific Academic Ltdhttps://www.prolific.com/Online platform dat is gebruikt voor het werven van enquêteparticipanten. De participanten zijn gescreend op basis van geschiktheidscriteria (bijv. luchthavenervaring) en gecompenseerd volgens de richtlijnen voor eerlijke betaling van Prolific. 
Qualtrics (online platform voor enquêtes)Qualtrics, LLCRRID:SCR_016728Webgebaseerd enquêteplatform gebruikt voor het ontwerp van vragenlijsten, de distributie hiervan en het verzamelen van responsgegevens. Alle meetitems werden afgenomen via Qualtrics met gebruik van een 7-punts Likert-schaal (1 = geheel mee oneens, 7 = geheel mee eens). https://www.qualtrics.com/

Referenties

  1. Rogers EM, Singhal A, Quinlan MM. Diffusion of innovations. In: An integrated approach to communication theory and research. London: Routledge; 2014. p. 432-448.
  2. Davis FD. A technology acceptance model for empirically testing new end-user information systems: theory and results [dissertation]. Cambridge (MA): Massachusetts Institute of Technology; 1985.
  3. Tornatzky LG, Fleischer M, Chakrabarti AK. Processes of technological innovation. Lexington (MA): Lexington Books; 1990.
  4. Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: toward a unified view. MIS Q. 2003;27(3):425-478.
  5. Jeyaraj A, Sabherwal R. Adoption of information systems innovations by individuals: a study of processes involving contextual, adopter, and influencer actions. Inf Organ. 2008;18(3):205-234.
  6. Balliauw M, Onghena E. Expanding airport capacity of cities under uncertainty: strategies to mitigate congestion. J Air Transp Manag. 2020;84:101791.
  7. Marjanovic O, Cecez-Kecmanovic D. Open government data platforms - a complex adaptive sociomaterial systems perspective. Inf Organ. 2020;30(4):100323.
  8. Kim C, Lee KC, Costello FJ. The intention of passengers towards repeat use of biometric security for sustainable airport management. Sustainability. 2020;12(11):4528.
  9. Morosan C. Voluntary steps toward air travel security: an examination of travelers' attitudes and intentions to use biometric systems. J Travel Res. 2012;51(4):436-450.
  10. Negri NAR, Borille GMR, Falcão VA. Acceptance of biometric technology in airport check-in. J Air Transp Manag. 2019;81:101720.
  11. Morosan C. An empirical examination of US travelers' intentions to use biometric e-gates in airports. J Air Transp Manag. 2016;55:120-128.
  12. Price A, Prusak A, Wright M. Tech trends 2021: a government perspective. Deloitte Insights; 2021.
  13. Samuelson W, Zeckhauser R. Status quo bias in decision making. J Risk Uncertain. 1988;1(1):7-59.
  14. Troshani I, Jerram C, Hill SR. Exploring the public sector adoption of HRIS. Ind Manag Data Syst. 2011;111(3):470-488.
  15. Cordella A, Bonina CM. A public value perspective for ICT enabled public sector reforms: a theoretical reflection. Gov Inf Q. 2012;29(4):512-520.
  16. Warkentin M, Orgeron C. Using the security triad to assess blockchain technology in public sector applications. Int J Inf Manag. 2020;52:102090.
  17. Oliva R. Intervention as a research strategy. J Oper Manag. 2019;65(7):710-724.
  18. Oyman M, Bal D, Ozer S. Extending the technology acceptance model to explain how perceived augmented reality affects consumers' perceptions. Comput Hum Behav. 2022;128:107127.
  19. Hsu HT, Lin CC. Extending the technology acceptance model of college learners' mobile-assisted language learning by incorporating psychological constructs. Br J Educ Technol. 2022;53(2):286-306.
  20. Balakrishnan J, Abed SS, Jones P. The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services? Technol Forecast Soc Change. 2022;180:121692.
  21. Wu B, An X, Wang C, Shin HY. Extending UTAUT with national identity and fairness to understand user adoption of DCEP in China. Sci Rep. 2022;12(1):1-11.
  22. Epstein B. Two decades of e-government diffusion among local governments in the United States. Gov Inf Q. 2022;39(2):101665.
  23. Hasselwander M, Bigotte JF, Fonseca M. Understanding platform internationalisation to predict the diffusion of new mobility services. Res Transp Bus Manag. 2022;43:100765.
  24. Ng PM, Lit KK, Cheung CT. Remote work as a new normal? The technology-organization-environment (TOE) context. Technol Soc. 2022;70:102022.
  25. Rana NP, Dwivedi YK, Williams MD, Weerakkody V. Adoption of online public grievance redressal system in India: toward developing a unified view. Comput Hum Behav. 2016;59:265-282.
  26. Alawadhi S, Morris A. Factors influencing the adoption of e-government services. J Softw. 2009;4(6):584-590.
  27. Chan FKY, et al. Modeling citizen satisfaction with mandatory adoption of an e-government technology. J Assoc Inf Syst. 2010;11(10):519-549.
  28. Weerakkody V, El-Haddadeh R, Al-Sobhi F, Shareef MA, Dwivedi YK. Examining the influence of intermediaries in facilitating e-government adoption: an empirical investigation. Int J Inf Manag. 2013;33(5):716-725.
  29. Mensah IK. Impact of government capacity and e-government performance on the adoption of e-government services. Int J Public Adm. 2020;43(4):303-311.
  30. Al Mansoori KA, Sarabdeen J, Tchantchane AL. Investigating Emirati citizens' adoption of e-government services in Abu Dhabi using modified UTAUT model. Inf Technol People. 2018;31(2):455-481.
  31. Mukred M, et al. The key factors in adopting an electronic records management system (ERMS) in the educational sector: a UTAUT-based framework. IEEE Access. 2019;7:35963–35980.
  32. Naranjo-Zolotov M, Oliveira T, Casteleyn S. Citizens' intention to use and recommend e-participation: drawing upon UTAUT and citizen empowerment. Inf Technol People. 2019;32(2):364-386.
  33. Toufaily E, Zalan T, Dhaou SB. A framework of blockchain technology adoption: an investigation of challenges and expected value. Inf Manag. 2021;58(3):103444.
  34. Amron MT, Ibrahim R, Bakar NAA, Chuprat S. Acceptance of cloud computing in the Malaysian public sector: a proposed model. Int J Eng Bus Manag. 2019;11:1847979019880709.
  35. Chatfield AT, Reddick CG. The role of policy entrepreneurs in open government data policy innovation diffusion: an analysis of Australian federal and state governments. Gov Inf Q. 2018;35(1):123-134.
  36. Dahabiyeh L, Constantinides P. Legitimating digital technologies in industry exchange fields: the case of digital signatures. Inf Organ. 2022;32(1):100392.
  37. Feller I. Managerial response to technological innovation in public sector organizations. Manage Sci. 1980;26(10):1021-1030.
  38. Dawson GS, Denford JS, Desouza KC. Governing innovation in US state government: an ecosystem perspective. J Strateg Inf Syst. 2016;25(4):299-318.
  39. Oliveira T, Fraga M. Literature review of information technology adoption models at firm level. Electron J Inf Syst Eval. 2011;14(1):110-121.
  40. Tornatzky LG, Klein KJ. Innovation characteristics and innovation adoption-implementation: a meta-analysis of findings. IEEE Trans Eng Manag. 1982;EM-29(1):28-45.
  41. Harrison DA, Mykytyn PP Jr, Riemenschneider CK. Executive decisions about adoption of information technology in small business: theory and empirical tests. Inf Syst Res. 1997;8(2):171-195.
  42. Ram S. A model of innovation resistance. Adv Consum Res. 1987;14(1):208-212.
  43. Lapointe L, Rivard S. A multilevel model of resistance to information technology implementation. MIS Q. 2005;29(3):461-491.
  44. Davidson E, Baird A, Prince K. Opening the envelope of health care information systems research. Inf Organ. 2018;28(3):140-151.
  45. Bradley L, Stewart K. A Delphi study of the drivers and inhibitors of Internet banking. Int J Bank Mark. 2002;20(6):250-260.
  46. Moore GC, Benbasat I. Development of an instrument to measure the perceptions of adopting an information technology innovation. Inf Syst Res. 1991;2(3):192-222.
  47. Agarwal R, Prasad J. The role of innovation characteristics and perceived voluntariness in the acceptance of information technologies. Decis Sci. 1997;28(3):557-582.
  48. Karahanna E, Straub DW, Chervany NL. Information technology adoption across time: a cross-sectional comparison of pre-adoption and post-adoption beliefs. MIS Q. 1999;23(2):183-213.
  49. Ram S, Sheth JN. Consumer resistance to innovations: the marketing problem and its solutions. J Consum Mark. 1989;6(2):5-14.
  50. Ellen PS, Bearden WO, Sharma S. Resistance to technological innovations: an examination of the role of self-efficacy and performance satisfaction. J Acad Mark Sci. 1991;19(4):297-307.
  51. Gatignon H, Robertson TS. Technology diffusion: an empirical test of competitive effects. J Mark. 1989;53(1):35-49.
  52. Weber EU, Bottom WP. Axiomatic measures of perceived risk: some tests and extensions. J Behav Decis Mak. 1989;2(2):113-131.
  53. Stone RN, Grønhaug K. Perceived risk: further considerations for the marketing discipline. Eur J Mark. 1993;27(3):39-50.
  54. Featherman MS, Pavlou PA. Predicting e-services adoption: a perceived risk facets perspective. Int J Hum Comput Stud. 2003;59(4):451-474.
  55. Kahneman D, Tversky A. Prospect theory: an analysis of decision under risk. Econometrica. 1979;47(2):263-291.
  56. Verma S, Singh V. Impact of artificial intelligence-enabled job characteristics and perceived substitution crisis on innovative work behavior of employees from high-tech firms. Comput Hum Behav. 2022;131:107215.
  57. Fadel KJ, Meservy TO, Kirwan CB. Information filtering in electronic networks of practice: an fMRI investigation of expectation (dis)confirmation. J Assoc Inf Syst. 2022;23(2):491-520.
  58. Choi HS, Carpenter D, Ko MS. Risk taking behaviors using public Wi-Fi. Inf Syst Front. 2021:1-18.
  59. Khan WU, Shachak A, Seto E. Understanding decision-making in the adoption of digital health technology: the role of behavioral economics' prospect theory. J Med Internet Res. 2022;24(2):e32714.
  60. Wong D, Liu H, Meng-Lewis Y, Sun Y, Zhang Y. Gamified money: exploring the effectiveness of gamification in mobile payment adoption among the silver generation in China. Inf Technol People. 2022;35(1):281-315.
  61. Tarafdar M, Maier C, Laumer S, Weitzel T. Explaining the link between technostress and technology addiction for social networking sites: a study of distraction as a coping behavior. Inf Syst J. 2020;30(1):96-124.
  62. Podsakoff PM, MacKenzie SB, Lee JY, Podsakoff NP. Common method biases in behavioral research: a critical review of the literature and recommended remedies. J Appl Psychol. 2003;88(5):879-903.
  63. Szmigin I, Foxall G. Three forms of innovation resistance: the case of retail payment methods. Technovation. 1998;18(6-7):459-468.
  64. Lee MC. Factors influencing the adoption of internet banking: an integration of TAM and TPB with perceived risk and perceived benefit. Electron Commer Res Appl. 2009;8(3):130-141.
  65. Aldag RJ, Power DJ. An empirical assessment of computer-assisted decision analysis. Decis Sci. 1986;17(4):572-588.
  66. Shrout PE, Fleiss JL. Intraclass correlations: uses in assessing rater reliability. Psychol Bull. 1979;86(2):420-428.
  67. Podsakoff PM, Organ DW. Self-reports in organizational research: problems and prospects. J Manag. 1986;12(4):531-544.
  68. Podsakoff PM, MacKenzie SB, Podsakoff NP. Sources of method bias in social science research and recommendations on how to control it. Annu Rev Psychol. 2012;63:539-569.
  69. Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. J Mark Res. 1981;18(1):39-50.
  70. Kline E, et al. Convergent and discriminant validity of attenuated psychosis screening tools. Schizophr Res. 2012;134(1):49-53.
  71. Tversky A, Kahneman D. Rational choice and the framing of decisions. In: Multiple criteria decision making and risk analysis using microcomputers. Berlin, Heidelberg: Springer; 1986. p. 81-126.

Herprints en machtigingen

Tags

ProspecttheoriePerceptie intentie raamwerkE overheidsdienstenVolksgezondheidsapplicatiesBiometrische systemenGebruikersacceptatieWaargenomen waardeGrensoverschrijdend onderzoekInterventieonderzoek
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.